Question

小概率事件中,犯第一类错误的概率是多少?

Answer 1

α。

一般地，假设检验可能犯的错误有如下两类：

①当假设H0正确时，小概率事件也有可能发生，此时我们会拒绝假设H0。因而犯了“弃真”的错误，称此为第一类错误，犯第一类错误的概率恰好就是“小概率事件”发生的概率α，即

P{拒绝H0/H0为真}=α

②当假设H0不正确，但一次抽样检验未发生不合理结果时，这时我们会接受H0，因而犯了“取伪”的错误，称此为第二类错误，记β为犯第二类错误的概率，即

P{接受H0/H0不真}=β

理论上，自然希望犯这两类错误的概率都很小。当样本容量n固定时，α、β不能同时都小，即α变小时，β就变大；而β变小时，α就变大。一般只有当样本容量n增大时，才有可能使两者变小。

在实际应用中，一般原则是：控制犯第一类错误的概率，即给定α，然后通过增大样本容量n来减小B。这种着重对第一类错误的概率α加以控制的假设检验称为显著性检验。

扩展资料

注意事项

要进行统计假设的检验， 必须利用各种不同的判据， 即利用规则来选择。假设的采用与拒绝， 通常在判据的前件中应有某个数量指标（称为统计判据）。根据判据方式， 假设分为参数假设和非参数假设。

按照参数统计结论， 通常应提出被研究特征在总体中分布的具体形式， 因为在这种情况下， 统计学通常是以分布参数（平均值、方差、回归系数）的利用为依据的。非参数判据的优点是能把判据用于只靠名义级或次序级完成的特征度量上。

否定零假设的判据值总体能构成否定域。如果某一点能将否定域与接受零假设的区域划分开来， 这一点就称为临界点。

参考资料来源：百度百科-假设检验

参考资料来源：百度百科-统计假设检验